Per-residue optimisation of protein structures: Rapid alternative to optimisation with constrained alpha carbons

Deze paper introduceert PROPTIMUS RAPHAN, een snelle methode die de optimalisatie van eiwitstructuren versnelt door deze op te delen in overlappende residu-substructuren, waardoor de rekentijd lineair schaalt met de structuurgrootte terwijl vergelijkbare resultaten worden behaald als bij traditionele methoden.

De kern

De "Per-residue" Optimalisatie: Een Snelle Oplossing voor Protein-Structuren

Stel je voor dat je een gigantisch, ingewikkeld legpuzzel hebt: een eiwit. Dit eiwit is de motor van het leven en bepaalt hoe onze cellen werken. Om te begrijpen wat een eiwit doet, moeten we weten hoe het eruitziet, tot op het niveau van de individuele atomen.

In de afgelopen jaren hebben computers en kunstmatige intelligentie (zoals AlphaFold) wonderen verricht: ze kunnen de grote lijnen van deze puzzel (de positie van de "hoofdstukken" of aminozuren) heel snel en nauwkeurig voorspellen. Maar er zit een addertje onder het gras: de kleine details zijn vaak niet perfect. De afstanden tussen atomen, de hoeken en de exacte vorm van de zijkantjes van de aminozuren zijn soms een beetje "wazig".

Voor wetenschappers die precies willen weten hoe een medicijn aan een eiwit plakt, is die wazigheid een probleem. Ze moeten de structuur eerst "scherper" maken, oftewel optimaliseren.

Het Oude Probleem: De "Grote Knip"

Vroeger was het optimaliseren van zo'n groot eiwit als het proberen om een hele stad tegelijk te herschikken. Je probeerde alle atomen tegelijk in de perfecte positie te krijgen.

• Het nadeel: Dit is extreem traag. Hoe groter het eiwit, hoe harder dit wordt. Het is alsof je de tijd die je nodig hebt om een stad te ordenen kwadratisch laat toenemen: een dubbel zo groot eiwit kost niet twee keer, maar vier keer zo lang.
• De oude truc: Om dit te versnellen, hielden wetenschappers de "ruggengraat" van het eiwit (de alfa-carbonen) vast als een betonnen blok en verplaatsten ze alleen de losse onderdelen. Dit hielp, maar het bleef nog steeds een zware rekenklus voor grote eiwitten.

De Nieuwe Oplossing: PROPTIMUS RAPHAN

De auteurs van dit papier hebben een slimme nieuwe methode bedacht, genaamd PROPTIMUS RAPHAN.

Stel je voor dat je in plaats van de hele stad tegelijk te herschikken, de stad opdeelt in kleine buurten.

1. Deel en Heers: De methode neemt het eiwit en snijdt het op in kleine, overlappende stukjes. Elk stukje bevat één aminozuur en zijn directe buren.
2. Lokale Optimalisatie: In plaats van de hele stad te bewegen, optimaliseert de computer elk klein stukje apart. Het is alsof je elke buurman vraagt om zijn eigen tuin even op te ruimen, terwijl de buren even kijken of het past.
3. Herhaling: Nadat alle stukjes zijn opgeruimd, worden ze weer aan elkaar geplakt. Omdat de stukjes overlappen, sluit alles perfect aan.
4. Snelheid: Omdat je veel kleine stukjes tegelijk kunt doen (parallel), gaat dit ontzettend snel. De tijd die je nodig hebt, groeit nu lineair met de grootte van het eiwit. Een dubbel zo groot eiwit kost nu gewoon twee keer zo lang, niet vier keer.

De Creatieve Analogie: De Dansvloer

Stel je een enorme dansvloer voor met duizenden dansers (atomen) die een choreografie moeten uitvoeren.

• De oude manier: De choreograaf probeert iedereen tegelijk te corrigeren. Als er één persoon een stap verkeerd zet, moet iedereen opnieuw beginnen. Dit duurt eeuwen.
• De PROPTIMUS-methode: De dansvloer wordt opgedeeld in kleine kringetjes van 5 à 10 dansers. Elke groep corrigeert hun eigen dansstappen onafhankelijk van elkaar. Zodra een groep het perfect heeft, blijven ze daar staan. De volgende ronde kijken ze naar de buren.
• Het resultaat: De hele dansvloer is binnen een paar minuten perfect, terwijl de oude methode uren zou hebben gekost.

Wat hebben ze ontdekt?

De auteurs hebben deze methode getest op 461 eiwitten uit de AlphaFold-database.

• Snelheid: Het is veel sneller. Ze kunnen gemiddeld 5.000 atomen per uur optimaliseren op een gewone computer.
• Nauwkeurigheid: De resultaten zijn bijna net zo goed als de oude, langzame methode. De atomen zitten op de juiste plek, de afstanden zijn perfect.
• Een klein verschil: Soms landt de nieuwe methode op een iets andere, maar even goede, danspositie dan de oude methode. Dit gebeurt vooral bij de "losse" onderdelen van het eiwit (zoals de staartjes van aminozuren die niet vastzitten). Dit is geen fout, maar een natuurlijk gevolg van de flexibiliteit van eiwitten. Het is alsof je een arm een beetje anders kunt houden; beide houdingen zijn correct.

Waarom is dit belangrijk?

Vroeger moesten wetenschappers wachten tot supercomputers klaar waren met het "scherp maken" van eiwitten voordat ze verder konden met onderzoek naar ziektes of medicijnen.
Met PROPTIMUS RAPHAN kan nu iedereen, zelfs op een gewone laptop, grote eiwitten in enkele uren perfect maken. Het maakt precisiewerk in de biologie toegankelijker, sneller en goedkoper.

Kortom: Ze hebben de manier waarop we eiwitten "schoonmaken" en perfectioneren veranderd van een zware, langzame klus naar een snelle, slimme puzzel die in stukjes wordt opgelost.

Technische samenvatting

Probleemstelling

Hoewel het aantal bekende eiwitstructuren de afgelopen jaren aanzienlijk is toegenomen dankzij voorspellende algoritmen (zoals AlphaFold) en experimentele methoden, ontbreekt het vaak aan lokale precisie in deze structuren. Hoewel de relatieve posities van aminozuurresten (alfa-carbonen) nauwkeurig worden voorspeld, zijn details zoals bindingslengtes, bindingshoeken en de posities van individuele atomen vaak minder accuraat. Voor toepassingen die gevoelig zijn voor structurele kwaliteit (zoals docking, QSPR-modellering en QM/MM-berekeningen) is het daarom noodzakelijk om eiwitstructuren te optimaliseren met behulp van krachtvelden (force fields).

De huidige uitdaging is dat de volledige optimalisatie van een eiwitstructuur computatieel zeer intensief is. Traditionele methoden, zoals het optimaliseren met beperkte (geconstrueerde) alfa-carbonen, hebben een kwadratische rekencomplexiteit in verhouding tot het aantal atomen. Dit maakt het onpraktisch voor grote eiwitten of voor het verwerken van grote datasets (miljoenen structuren).

Methodologie: PROPTIMUS RAPHAN

De auteurs introduceren een algemene, iteratieve methode genaamd PROPTIMUS RAPHAN (Per-residue optimisation of protein structures: Rapid alternative to optimisation with constrained alpha carbons). De kern van deze methode is een "divide-and-conquer" (verdelings- en veroverings) strategie, gebaseerd op de "Cover"-benadering.

Het proces verloopt als volgt:

1. Verdeling in substructuren: In plaats van het hele eiwit in één keer te optimaliseren, wordt de structuur opgedeeld in overlappende, residu-gerelateerde substructuren. Voor elk residu wordt een substructuur gemaakt die het residu zelf en naburige residuen omvat.
2. Definitie van atoomgroepen:
   • Geoptimaliseerde atomen: Alle atomen van het residu, behalve de alfa-carbon en de N-H peptidebinding (deze laatste wordt overgenomen van het volgende residu).
   • Flexibele atomen: Atomen binnen 4 Å van de geoptimaliseerde atomen (behalve alfa-carbonen).
   • Gecombineerde atomen: De resterende atomen in de substructuur die als vast (geconstrueerd) worden behandeld tijdens de optimalisatie.
3. Individuele optimalisatie: Elke substructuur wordt apart geoptimaliseerd met behulp van het krachtveld GFN-FF (via de software xtb), inclusief een impliciet oplosmiddelmodel (ALPB). Tijdens deze stap worden alleen de flexibele en geoptimaliseerde atomen bewogen; de gecombineerde atomen blijven vast.
4. Reconstructie: De geoptimaliseerde atoomposities worden gebruikt om de volledige eiwitstructuur te reconstrueren.
5. Iteratie en Convergentie: Het proces is iteratief. Residuen die geconvergeerd zijn (waarbij de positie niet meer verandert) worden uitgesloten van verdere iteraties, wat de rekentijd aanzienlijk verkort. Het proces wordt twee keer uitgevoerd; in de tweede run wordt de straal voor het maken van substructuren vergroot van 6 Å naar 8 Å voor hogere nauwkeurigheid.

Referentie-implementatie: De auteurs hebben een referentie-implementatie ontwikkeld in Python, genaamd PROPTIMUS RAPHANGFN-FF, die paralleliseerbaar is.

Belangrijkste Bijdragen

• Lineaire schaalbaarheid: Door de opdeling in substructuren schalen de rekentijd en het geheugengebruik lineair met de grootte van de structuur, in plaats van kwadratisch.
• Hoge snelheid: De methode kan gemiddeld 5.000 atomen per uur optimaliseren op een standaard CPU.
• Kwaliteit: Het biedt een snel alternatief voor de traditionele methode met beperkte alfa-carbonen (GFN-FFCα), met vergelijkbare resultaten voor lokale geometrie.
• Open source: De code is vrij beschikbaar, makkelijk te installeren en paralleliseerbaar.

Resultaten

De methode werd getest op een dataset van 461 eiwitstructuren uit de AlphaFold DB (geselecteerd uit 480, waarbij 19 structuren de geheugenlimiet van de traditionele methode overschreden).

• Nauwkeurigheid: De structuren geoptimaliseerd met PROPTIMUS RAPHANGFN-FF tonen een zeer hoge overeenkomst met die van de traditionele GFN-FFCα methode.
  • Gemiddelde absolute afwijking (MAD) voor bindingslengtes: 0,075 pm (vergelijkbaar met de nauwkeurigheid van PDB-bestanden).
  • MAD voor atoomposities: 0,074 Å.
  • MAD voor bindingshoeken: 0,136°.
  • Deze waarden zijn 5 tot 65 keer beter dan de afwijkingen tussen de originele (niet-geoptimaliseerde) structuren en de geoptimaliseerde versies.
• Lokale minima: Het onderzoek toont aan dat PROPTIMUS RAPHANGFN-FF convergeert naar andere lokale minima op het potentieel-energieoppervlak dan de traditionele methode, vooral in flexibele gebieden met weinig waterstofbruggen (zoals niet-polaire zijketens). Echter, deze alternatieve conformaties liggen zeer dicht bij de bereikbare lokale minima van de traditionele methode (gemiddelde afwijking van 0,033 Å).
• Efficiëntie:
  • Snelheid: Terwijl de traditionele methode kwadratisch schaalt, schaalt PROPTIMUS RAPHANGFN-FF lineair.
  • Geheugen: De traditionele methode faalde bij 15 structuren vanwege een geheugenlimiet van 196 GB. PROPTIMUS RAPHANGFN-FF had voor de grootste structuur (9.940 atomen) slechts 0,5 GB RAM nodig op één CPU (en 3 GB bij gebruik van 16 CPU's).

Betekenis en Conclusie

PROPTIMUS RAPHANGFN-FF is een game-changer voor de verwerking van grote datasets aan eiwitstructuren. Het maakt het mogelijk om structuren van hoge kwaliteit (dicht bij QM-accuraatheid) te genereren op standaard desktopcomputers binnen enkele uren, zelfs voor zeer grote eiwitten.

De methode lost het probleem van de kwadratische complexiteit op en maakt structurele optimalisatie toegankelijk voor onderzoekers die werken met de enorme hoeveelheden data gegenereerd door AI-gedreven voorspellingen (zoals AlphaFold DB en ESM Metagenomic Atlas). Het biedt een praktische, snelle en nauwkeurige voorbewerkingstool voor toepassingen in computationele chemie en structurele biologie.